买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西安邮电大学申请的专利复杂机电系统多故障模式监督识别与自适应学习建模方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118349928B 。

龙图腾网通过国家知识产权局官网在2025-11-21发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410380339.2，技术领域涉及：G06F30/27；该发明授权复杂机电系统多故障模式监督识别与自适应学习建模方法是由陈改革;郝晓宇;王先芝;刘尧;程涵;杨胜康;孔宪光设计研发完成，并于2024-03-30向国家知识产权局提交的专利申请。

本复杂机电系统多故障模式监督识别与自适应学习建模方法在说明书摘要公布了：本发明属于数字孪生技术与装备故障预测健康管理技术领域，公开了一种复杂机电系统多故障模式监督识别与自适应学习建模方法，通过区分正常与异常数据，实现对系统亚健康状态的精准监测，并采用漏报确认方案避免异常漏报。在原因识别层，构建单模式原因识别分类器和融合算法，准确识别异常数据中的亚健康模式。利用现场运维检查结果进行模型自学习迭代更新，确保模型保持最新最优状态。优化的模型可分发至多个相似系统，并根据自学习结果更新分发新模型。本发明采用通用架构和自学习机制，保证模型可迁移性。通过充分挖掘数据特征，算法判断亚健康原因，并随数据累积自学习提高精度和适应性，实现人力解放和降本增效。

本发明授权复杂机电系统多故障模式监督识别与自适应学习建模方法在权利要求书中公布了：1.一种复杂机电系统多故障模式监督识别与自适应学习建模方法，其特征在于，包括： 第一步，构建复杂机电系统亚健康监测层，该层通过从未知数据中区分正常数据与异常数据，并利用正常模型进行确认，实现对系统亚健康状态的监测；采用漏报确认方案来处理的异常漏报数据，确保异常数据正确传输至下一层进行进一步处理； 第二步，构建亚健康原因识别层，该层接收来自监测层的异常数据，在分段处理后，通过构建单模式原因识别分类器和识别结果融合算法，对异常数据中的具体亚健康模式进行识别和输出； 第三步，实施模型更新与迭代，利用多个复杂机电系统的运维检查结果进行模型的自学习迭代更新，确保模型始终保持最新和最优状态；在模型判断错误时，根据复杂机电系统是否异常，相应地调整第一层或第二层模型； 第四步，进行模型优化与固化，通过优化固化的模型向多个相似复杂机电系统分发，并根据自学习迭代更新的结果重新分发新的亚健康预测模型； 第五步，通过相对通用的架构、流程和自学习机制进行不同复杂机电系统的迁移； 所述第一步中构建复杂机电系统亚健康监测层包括以下步骤： 1获取复杂机电系统试验数据，输入信号包括电流信号、转速信号、转角信号，通过转速信号和电流信号计算得到摩擦力信号，其中复杂机电系统试验数据包含正常运行数据与亚健康运行数据； 2分别对电流信号、转速信号、转角信号、摩擦力信号进行特征提取； 3将得到的特征划分为训练数据集与测试数据集；其中，训练数据集与测试数据集为随机抽取得到； 4对提取到的特征进行筛选和特征融合； 5将得到的训练数据集的特征数据作为输入，构建亚健康监测模型以区分正常数据与亚健康数据； 6通过测试数据集的特征数据作为输入，验证算法模型的准确性是否符合指标要求； 7对正常数据进行复核，计算电流信号、转速信号、转角信号、摩擦力信号与标准曲线的均方根误差RMSE，将RMSE作为特征进行建模和识别，进一步区分正常数据与亚健康数据。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西安邮电大学，其通讯地址为：710061 陕西省西安市雁塔区长安南路563号西安邮电大学；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。